Influence of Selected Product and Process Parameters on Microstructure, Rheological, and Textural Properties of 3D Printed Cookies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
One of the major advantages of 3D food printing is the customizability in terms of structure, design, and nutritional content. However, printability of the ingredients and the quality of the 3D printed food products are dependent on several product and printing parameters. In this study, nutrient dense cookies were developed with underutilized ingredients including jackfruit seed powder and finger millet powder as base materials using 3D food printing. The hardness, rheological behavior, and microstructure of 3D printed cookies with different products (e.g., water butter ratio) and printing (e.g., fill density and temperature) parameters were analyzed. The 3D printed cookies were developed by extruding at 27 and 30 °C with fill density values of 50%, 70%, 90%, and 100% and water butter ratios of 3:10 and 6:5. The 3D-printed cookie dough exhibited a more elastic behavior with higher storage modulus values than the loss modulus. The hardness of the baked cookies was influenced by printing temperature, fill density, and water butter ratio of 3D printed cookie dough and their interactions. The closed porosity of 3D printed cookies increased while the open porosity decreased with an increase in fill density. The baking times required were longer for 3D-printed cookies with higher fill density values. Overall, this study shows the importance of considering the specific ingredient and printing parameters to develop high quality 3D-printed cookies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle